线性代数 --- 如何求解不可逆的mxn长方形矩阵Ax=0的通解Null(A)和Ax=b的通解

松下J27

已于 2023-11-28 20:52:42 修改

阅读量5.2k

点赞数 4

分类专栏： Linear Algebra 文章标签：线性代数齐次方程非齐次方程的解方程组的解秩

于 2022-04-27 22:05:15 首次发布

本文链接：https://blog.csdn.net/daduzimama/article/details/124439608

版权

Linear Algebra 专栏收录该内容

68 篇文章 55 订阅

订阅专栏

Solve Ax=0 and Ax=b

我们先从一个未知数，一个方程的1x1方程组Ax=b说起，他的解可以有三种情况：

（i）当a $\neq$ 0时，对于任意的b都有解x=b/a，这时方程有唯一解。（这种情况叫相容且非奇异）

（ii）若a=0,b=0。无论x取多少，等式0x=0恒成立，有无穷多个解。（这种情况叫相容，但奇异）

（iii）若a=0,b $\neq$ 0，无解。因为，没有x可以让等式0x=b成立。（这种情况叫不相容）

对于mxn的长方形矩阵而言，无论是m>n（方程的个数大于未知数的个数）还是m<n（未知数的个数大于方程的个数），也会出现上面所说的几种情况。

例：对如下的3x4矩阵进行高斯消元

主对角线上的值为0，且通过换行依然无法避免。就此可以判定A为奇异矩阵，方程组无解。我们继续消元，找到第二行的第一个非零元素，令他当作主元，并消去该主元下面的所有元素。最终得到一个行阶梯形矩阵U。（注：在阶梯型矩阵中，主元就是每个非零行第一个非零元素）

更一般的，对于任意mxn矩阵。若方程组不可逆/无解，都会得到形如下图的消元结果：（图中，圈起来的星号为每行的非零主元，而非零主元所在的列就称之为主元列或非零主元列）

这个行阶梯型上三角矩阵U，存在一个对应的还原矩阵L，使得A=LU，这就是我们常说的LU分解。注意：虽然A是长方形矩阵，但此处的L是方阵，他是一个m阶矩阵，等于A和U的行数。如果，在消元过程中有行交换的话，则需要引进置换矩阵P，得到PA=LU。

现在我们开始讨论mxn方程组长方形矩阵的解:

Ax=0的解就是特解的线性组合，他是A的零空间

1，先考虑齐次方程Ax=0的解

对于b=0的情形，消元的过程中方程组的右端b是不变的。最终把Ax=0化简成行阶梯型矩阵Ux=0。

我们把四个未知数u,v,w,y分成两组。一组是对应非零主元列(columns with pivots）的变量，称为基本变量basic variables。基本变量在x中所对应的位置，就是这些主元列所对应的问题。在本例中，u和w是基本变量。另外一组，是对应于没有主元的列(columns without pivots)的变量，我们叫他自由变量free variables。在本例中，v,y为自由变量。

下面插播一个个人笔记，从中可以清楚的看到，主元列，自由列，以及他们分别对应的基本变量和自由变量。

为了求得Ux=0（Ax=0）的通解，自由变量v,y可以为任意值，也就说我们可以先把v,y当作已知量，再回代到化简后的方程中，基本变量w,y就可以用v,y来表示了。

最终求得：

可见，该齐次方程Ax=0有无穷多个解，又因为两个自由变量v,y都可以是任意数，该方程组的解具有”双无穷“的特性。也就是说，按住v不动（比如说，令v=1）去改变y,则y有无穷多个解。反之亦然。

可以看到，如果我们令v=0,y=1,则向量[-3 1 0 0]'就是齐次方程Ax=0的一个特解，如果令v=1,y=0,则向量[-1 0 -1/3 1]’是齐次方程的另一个特解。不难看出，不论怎么调整权重v,y，最终的结果都是Ax=0的解。齐次方程组Ax=0的所有解，都是这两个向量（两个特解）的线性组合。

现在我们可以做一个类比，回想一下Ax=b的列空间C(A)。矩阵的列空间指出，所有可解的右端b，都是通过对A中各列的线性组合得到的，且他们的组合填满了整个列空间。而到了这里，A中的各列不再需要组合成b，而是b=0的情况，且更重要的是，他们的组合结果不是零空间，组合的结果已经是确定且唯一的全零列向量，零空间是A的所有列向量合成全零列向量时的权重。

Ax=0的特解，我们叫他“零向量”或者叫他们“解向量(x)”，他们的维度也和A中列的维度不同。就拿本例来说，A中列的维度是3(等于方程组中方程的个数)，而未知数x（也就是解）的维度是4。构成列空间C(A)的每个列向量的维度是m(等于b的维度=A中各列的维度=方程组中方程的个数)，而这里构成零空间N(A)的解向量(x)，他的维度是n（等于矩阵A中列的个数=未知数的个数）。（注意：这里我说的都是向量的维度）

对于这个例子，在四个未知数所构成的四维空间中，Ax=0的解，构成了一个二维子空间---A的零空间N(A)。这个空间是由[-3 1 0 0]'和[-1 0 -1/3 1]'所张成的一个二维平面。

因此，我们可以得出如下结论：对于一个列数大于行数的矩阵（未知数的个数大于方程个数的方程组），即n>m的矩阵。由于最多只能有m个非零主元（每行一个），因此，当U存在全零行时，至少有n-m个自由变量,且,自由变量的个数可以多余n-m个。就本例而言，自由变量的个数就大于n-m（n-m=4-3=1）个，但自由变量却有2个，事实上他就等于行阶梯型矩阵U非零行的个数rank 。

这里我们对齐次方程Ax=0的解，做一个重要小结，并给出对于秩(Rank)的定义：

1，Ax=0(Ux=0)的所有解，即A的零空间，就是n-r个特解的线性组合。

2，对于未知数个数大于方程个数的方程组（n>m），齐次方程组Ax=0，必有除了x=0以外的非平凡解。其中，零空间N(A)的维数等于自由变量的个数等于特解的个数,在本例中就是 $\large R^{2}$ 。

3，就mxn的矩阵A而言，经过高斯消元后得到阶梯矩阵U。如果U中有r个非零主元，那么矩阵U的底部会出现m-r个全0行。就本例而言，r=2（共两个非零主元，用红色方框框出）,m=3,m-r=1。可以看到矩阵U的底部有一个全0行。

同时，根据r=2，说明有两个非零主元列，对应了r个基本变量。自由列的个数等于2，等于n-r，就本例而言，n=4，n-r=2，对应了n-r个自由变量。齐次方程组Ax=0的零空间N(A)，由n-r个自由变量决定，零空间的维度=n-r。如果，r=n，也就是r的个数等于A的列的个数，表示该齐次方程组没有自由变量（也就没有自由列），A的零空间只有平凡解x=0(而在我们之前所学的知识里，只有平凡解的情况，只在我们平常所讨论的方阵中出现)。

4，这里,我们反复提及的数r叫做矩阵A的秩(Rank)。它等于矩阵U中非零行的行数，也等于矩阵U中非零主元的个数，它代表了矩阵A中真正独立的行的行数。在本例中，第三行实际上是前两行的线性组合。第二行乘以2减去第一行乘以5，得到第三行。

Ax=b的解是一个Ax=b的特解和Ax=0的通解的和，他不是一个向量空间

2，现在考虑非齐次方程组Ax=b的解

对于同样的矩阵A,我们有：

$\large x=\begin{bmatrix} u\\ v\\ w\\ y \end{bmatrix}$ $\large b=\begin{bmatrix} b_{1}\\ b_{2}\\ b_{3} \end{bmatrix}$

把等式右端b和A放在一起得到增广矩阵：

$\large \begin{bmatrix} 1& 3& 3 & 2& b_{1}\\ 2& 6& 9& 5 & b_{2}\\ -1& -3 &3 &0 &b_{3} \end{bmatrix}$

按照相同的步骤对增广矩阵化简，得到Ux=c

对于所有有解的b而言，应该是由A的各列所张成的。（注意：不是U的列）b属于A的列空间。

因为，列2可以由列1合成(col2=3*col1), 而列4可以由列1和列3组成(col4=col1+col3/3)，其中，列2和列4就是前面提到的两个自由列。所以，这里虽然有四个列向量，但他们的线性组合只能张成三维空间中的一个平面。因此，对于A的列空间而言，一方面，可以把他看成是由col1和col3这两个主元列所张成的三维空间中的一个平面。另一方面，要想方程有解，则必须要保证最后一个方程b3-2b2+5b1=0成立(下图中用红色方框标出)，因为，如果b3-2b2+5b1 $\neq$ 0，则该方程组无解。这样一来A的列空间可以理解为，满足约束方程b3-2b2+5b1=0的所有b向量(b1,b2,b3)，所构成的三维空间中的一个平面。这一平面和前面所张成的平面一模一样，A的四个列向量都满足这一约束。（我们暂且称这个平面为平面P）

此外，如果我们把满足方程组成立的约束方程b3-2b2+5b1=0的左边，看成是一个列向量x=[5，-2，1]'的转置与一个列向量b=[b1, b2, b3]'的乘积，那么我们会发现列向量x不仅垂直于b(他们的内积为0，如下图所示), 也垂直于我们上面提到的平面P，因而也垂直于A的每一列(P是由于A中的主元列所张成的，且自由列也在这一平面上)。实际上，只要方程组有解，b也一定在平面P内。

$\LARGE x^{T}b=\begin{bmatrix} 5 &-2 &1 \end{bmatrix}\begin{bmatrix} b1\\ b2\\ b3 \end{bmatrix} =0$

前面说到，列向量x垂直于A中的每一个列向量。根据向量内积的定义和向量正交的定义，我们来逐一验证一下：

现在，假定方程有解，即，b在A的列空间中，显然要保证最后一行方程0x=0成立。和前面一样，经过高斯消元后，用自由变量v,y（已知数）来表示基本变量u,w。

得到如下通解（为了便于比较，我把前面的齐次方程组的解也放在下面了）：

（图为非齐次方程的解）

（图为齐次方程的解）

首先，我们可以看到非齐次方程Ax=b也有无穷多个解，且，也有“双无穷“的特性。与之前算出的齐次方程Ax=0的解相比，多了一组向量，用红色的方框标注，这个向量是Ax=b的一个特解（这个特解就是保证最后一个方程约束b3-2b2+5b1=0成立的一个解）。可见，非齐次方程Ax=b的通解，是Ax=b的这个特解和Ax=0的通解的和。从空间的角度讲，

注意，前面提到的"满足方程b3-2b2+5b1=0的所有点（b1,b2,b3）构成的一个平面。"平面上的任意一点，都可以作为Ax=b的特解。

例如，为满足b3-2b2+5b1=0，我们找到一个点b1=1,b2=5,b3=5，满足该约束。并得到如下矩阵Ax=b：

经过高斯消元后，得到：

最后一行满足0=0：

从空间的角度讲，Ax=b的通解是四维空间内的一个平面，但他不是一个子空间。因为，这个平面不通过原点。通解所构成的解平面和齐次方程Ax=0的解平面(也就是A的零空间)平行，但不重合。他沿着特解移动了一段。

这里我们对非齐次方程Ax=b的解，做一个重要小结：

1，非齐次方程Ax=b的通解，是Ax=b的一个特解和Ax=0的通解的和。

2，齐次方程组Ax=0的解构成了子空间。但非齐次方程组Ax=b的解构不成子空间，因为他不过原点。

3，当且仅当r=m时，Ax=b才对任何b都有解。此时，主元的个数为m，U不存在全0行。就本例而言，当r=m=3时，不存在全0行，可以用反向代入解Ux=c。

4，当r<m时，本例就是这种情况，(r=2）<（m=3)，U有m-r个全0行，此时，如果要想Ax=b有解，b应该受到m-r个约束。在本例中m-r=3-2=1，共有一个约束。且，这m-r个约束由Ux=c的最后m-r行给出。如果有一个特解，那么Ax=b的任何一个解都是这个特解和A的零空间中一个向量的和。

数r叫做矩阵A的秩(Rank)。

补充：

Ax=b的解是经过一定水平位移（我猜：应该不会旋转,haha）后的Ax=0的解。

比如说下面这个矩阵，Ax=0的解是一条过零点的直线，而Ax=b的解是这条直线的平行线。